python - 停止使用 AdaBoost 进行拟合，降低学习率，然后继续重新拟合
问题描述
我目前正在使用 AdaBoost 分类器。
http://scikit-learn.org/stable/modules/generated/sklearn.ensemble.AdaBoostClassifier.html
我想用 400 个估计器和默认学习率 (1.0) 运行它。然后一旦 zero_one_loss 开始增加，我想降低学习率并继续拟合。
我当前的代码工作如下：
dt_stump = sktree.DecisionTreeClassifier(max_depth=maxDepth, min_samples_leaf=1)
ada = skensemble.AdaBoostClassifier(base_estimator=dt_stump, learning_rate=learning_rate1, n_estimators=nEstimators1, algorithm=algo)
ada.fit(X_train, Y_train)
我想做类似的事情：
ada.learning_rate = learning_rate2
ada.fit(X_train, Y_train)
但我不完全确定这是否是正确的方法。或者，如果我还应该更改估算器的数量。或者如果再次运行 ada.fit(X_train, Y_train) 是正确的。
是否有任何示例脚本或示例可以查看？
非常感谢！